一种基于无人机的红外巡检系统及其方法

技术领域

本发明涉及无人机红外巡检技术领域，尤其涉及一种基于无人机的红外巡检系统及其方法。

背景技术

电力行业需要定期检查设施和基础设施，以确保安全和性能。传统的巡检方法通常昂贵、耗时且不够高效。无人机红外巡检技术应运而生，红外成像技术的进步使其更加便携、高分辨率，并具有更广泛的应用，无人机红外巡检技术能够自动检测和分析问题，提高效率并可以减少人工巡检的风险。

现有的基于无人机的红外巡检系统及其方法通过以下技术实现，包括：红外成像技术：无人机搭载红外相机或热成像摄像机，用于捕捉目标物体的红外辐射。这些相机可以检测物体的温度差异，从而揭示问题或异常。自动飞行控制系统：无人机需要先进的自动飞行控制系统，以实现自主的飞行和任务执行。这些系统通常包括GPS导航、姿态控制、避障技术等。数据处理和分析：收集到的红外图像需要进行数据处理和分析，以识别潜在问题。机器学习和计算机视觉技术在此方面发挥关键作用。通信和遥控：无人机需要可靠的通信系统，以便与操作员或地面站进行数据传输和遥控。无人机红外巡检技术在提高安全性、降低成本、提高效率等方面具有巨大潜力，随着技术的不断进步和应用领域的扩展，它将继续在各个行业中发挥重要作用。

例如公开号为：CN114372922A的发明专利公开了一种夜间环境下基于无人机巡检的绝缘子红外缺陷诊断方法，包括：使用无人机对被巡检电气设备进行三维定点，根据定点来进行航点飞行获取图像，对图像基于AI技术采用红外温度的方法对绝缘子进行自动化缺陷识别。

例如公开号为：CN116297680A的发明专利公开了一种基于无人机电力巡检红外缺陷判定方法，包括：S1.利用无人机搭载红外相机，按照巡检路线进行红外照片拍摄，同时记录红外照片对应的拍摄信息，传输给处理器；S2.处理器以该红外照片对应的杆塔编号和点位编号对红外照片进行命名，进行分类后保存至无人机存储卡，并保存每一张红外照片的拍摄信息和存储地址；S3.在无人机巡检完成后，将无人机存储卡中保存的信息上传到后台服务器；S4.后台服务器根据上传信息，对每一张红外照片进行缺陷判定。

但本申请发明人在实现本申请实施例中发明技术方案的步骤中，发现上述技术至少存在如下技术问题：

现有技术中，无人机红外巡检系统及其方法面临复杂性和多样性的挑战，使得其正确率变的极易不稳定从而降低，存在不能有效的评估并调节红外巡检算法稳定性以提高基于无人机的红外巡检系统及其方法正确率的问题。

发明内容

本申请实施例通过提供一种基于无人机的红外巡检系统及其方法，解决了现有技术中，存在不能有效的评估并调节红外巡检算法稳定性以提高基于无人机的红外巡检系统及其方法正确率的问题，实现了提高红外巡检算法生成巡检方案的正确性。

本申请实施例提供了一种基于无人机的红外巡检方法，用于服务器，包括以下步骤：S1，评估无人机飞行平台对红外检测算法的影响，得到飞行平台评估系数；S2，评估无人机姿态控制算法对红外检测算法的影响，得到姿态控制算法评估系数；S3，评估无人机红外传感器稳定性对红外检测算法的影响，得到红外稳定性评估系数；S4，评估无人机红外传感器识别质量对红外检测算法的影响，得到红外识别质量评估系数；S5，评估环境因素对红外检测算法的影响，得到环境因素补正评估系数；S6，评估人为因素对红外检测算法的影响，得到人为因素补正评估系数；S7，根据飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数对红外检测算法的影响进行综合评估，得到稳定性综合评估系数；S8，根据稳定性综合评估系数对红外检测算法进行对应的调节。

进一步的，所述得到飞行平台评估系数的具体步骤为：获取无人机飞行平台的数据，合并记为无人机飞行平台原始数据组，无人机飞行平台原始数据组数据类别记为a

进一步的，所述得到姿态控制算法评估系数的具体步骤为：获取无人机姿态控制算法的数据，合并记为无人机姿态控制算法原始数据组，由无人机姿态控制算法原始数据组获取姿态控制算法平滑性匹配评估值B、姿态调整速度评估值C、航线规划适配性评估值D和预定义数据同步匹配系数E，并据此通过计算姿态控制算法评估系数公式得到姿态控制算法评估系数χ，具体计算公式为

进一步的，所述得到红外稳定性评估系数的具体步骤为：获取无人机红外传感器稳定性的数据，合并记为红外稳定性原始数据组，由红外稳定性原始数据组获取机械振动影响匹配评估值F、传感器供电稳定性匹配评估值G、安装牢固性匹配评估值H、安装位置适配性匹配影响系数I，并据此通过计算红外稳定性评估系数公式得到红外稳定性评估系数γ，具体计算公式为

进一步的，所述得到红外识别质量评估系数的具体步骤为：获取无人机红外识别质量的数据，合并记为红外识别质量原始数据组，由红外识别质量原始数据组获取红外图像分辨率K、红外识别灵敏度L、红外识别动态范围M和红外信噪比匹配系数N，并据此通过计算红外识别质量评估值公式得到红外识别质量评估值m，具体计算公式为

进一步的，所述得到环境因素补正评估系数的具体步骤为：获取无人机红外巡检外在环境的数据，合并记为环境补正原始数据组，环境补正原始数据组数据类别记为q

进一步的，所述得到人为因素补正评估系数的具体步骤为：获取无人机红外巡检人为操作的数据，合并记为人为补正原始数据组，由人为补正原始数据组获取人为飞行控制影响评估值T、人为传感器设置影响评估值U和预定义人为设置算法匹配影响系数V，并据此通过计算人为因素补正评估系数公式得到人为因素补正评估系数σ，具体计算公式为

进一步的，所述得到稳定性综合评估系数的具体步骤为:获取飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数，并据此通过计算稳定性综合评估系数公式得到稳定性综合评估系数τ，具体计算公式为

进一步的，所述根据稳定性综合评估系数对红外检测算法进行对应的调节的具体步骤为：将稳定性综合评估系数与预定义稳定性综合评估系数阈值对比，若稳定性综合评估系数在预定义误差允许范围内，则将稳定性综合评估系数对应的红外巡检算法记为有效稳定性综合评估系数红外巡检算法，否则分别将飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数与对应的最大预定义系数阈值进行比较计算，若各评估系数超过对应的最大预定义系数阈值，则依次遍历超过阈值的各评估系数对应的数据组中用于无人机红外巡检的各因素数据，当各因素数据超过对应的阈值时，记为不合理因素数据，并对对应的红外巡检算法的具体因素进行重新优化调整；根据已有的红外巡检算法训练集实例作为历史数据集，将红外巡检算法对应的不合理因素数据重新进行训练，训练后调整的算法记为红外识别新算法，对红外识别新算法再次评估得到新的稳定性综合评估系数，并再次评估红外巡检算法稳定性，重复此步骤直到得到有效稳定性综合评估系数红外巡检算法和更新历史数据集。

本申请实施例提供了一种基于无人机的红外巡检系统，所述基于无人机的红外巡检系统包括：飞行平台评估模块、姿态控制算法评估模块、红外稳定性评估模块、红外识别质量评估模块、环境因素补正评估模块、人为因素补正评估模块、稳定性综合评估模块和稳定评估反馈优化终端；所述飞行平台评估模块用于评估无人机飞行平台对红外检测算法的影响，得到飞行平台评估系数；所述姿态控制算法评估模块用于评估无人机姿态控制算法对红外检测算法的影响，得到姿态控制算法评估系数；所述红外稳定性评估模块用于评估无人机红外传感器稳定性对红外检测算法的影响，得到红外稳定性评估系数；所述红外识别质量评估模块用于评估无人机红外传感器识别质量对红外检测算法的影响，得到红外识别质量评估系数；所述环境因素补正评估模块用于评估环境因素对红外检测算法的影响，得到环境因素补正评估系数；所述人为因素补正评估模块用于评估人为因素对红外检测算法的影响，得到人为因素补正评估系数；所述稳定性综合评估模块用于根据飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数对红外检测算法的影响进行综合评估，得到稳定性综合评估系数；所述稳定评估反馈优化终端用于根据稳定性综合评估系数对红外检测算法进行对应的调节。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、通过飞行平台评估、姿态控制算法评估、红外稳定性评估、红外识别质量评估、环境因素补正评估、人为因素补正评估得到飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数，再通过稳定性综合评估得到稳定性综合评估系数，从而通过稳定评估反馈优化根据稳定性综合评估系数对红外巡检算法进行对应的调节，有效提高了红外巡检算法的稳定性，有效解决了现有技术中，存在不能有效的评估并调节红外巡检算法稳定性以提高基于无人机的红外巡检方法正确率的问题。

2、通过稳定性综合评估综合计算各评估系数，得到飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数结果综合计算在一起，从而提高了红外巡检系统得出红外巡检结果的可读性和客观性，进而实现了提高优化红外巡检算法适配无人机的运动的环境适应性。

3、通过评估反馈优化终端对红外巡检算法进行对应的调节，将稳定性综合评估系数及其各评估系数依次与对应的预定义阈值比较，找到不合理因素数据重新优化调整，从而评估红外巡检算法在不同条件下的稳定性，对算法进行精细调整，更好地适应特定的红外巡检飞行环境，提高红外巡检系统的抗干扰性，进而实现了有效提高故障检测方法的鲁棒性。

附图说明

图1为本申请实施例提供的基于无人机的红外巡检方法流程图；

图2为本申请实施例提供的基于无人机的红外巡检方法的红外稳定性评估步骤结构图；

图3为本申请实施例提供的基于无人机的红外巡检方法的稳定性综合评估步骤结构图。

具体实施方式

本申请实施例通过提供一种基于无人机的红外巡检系统及其方法，解决了现有技术中，存在不能有效的评估并调节红外巡检算法稳定性以提高基于无人机的红外巡检系统及其方法正确率的问题，通过对无人机红外巡检各因素评估结果对红外巡检算法进行对应的调节，实现了提高红外巡检算法生成巡检方案的正确性。

本申请实施例中的技术方案为解决上述，存在不能有效的评估并调节红外巡检算法稳定性以提高基于无人机的红外巡检系统及其方法正确率的问题，总体思路如下：

通过飞行平台评估、姿态控制算法评估、红外稳定性评估、红外识别质量评估、环境因素补正评估、人为因素补正评估得到飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数，再通过稳定性综合评估得到稳定性综合评估系数，从而通过稳定评估反馈优化根据稳定性综合评估系数对红外巡检算法进行对应的调节，有效提高了红外巡检算法的稳定性。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

如图1所示，为本申请实施例提供的基于无人机的红外巡检方法流程图，该方法用于服务器，包括以下步骤：S1，飞行平台评估：评估无人机飞行平台对红外检测算法的影响，得到飞行平台评估系数；S2，姿态控制算法评估：评估无人机姿态控制算法对红外检测算法的影响，得到姿态控制算法评估系数；S3，红外稳定性评估：评估无人机红外传感器稳定性对红外检测算法的影响，得到红外稳定性评估系数；S4，红外识别质量评估：评估无人机红外传感器识别质量对红外检测算法的影响，得到红外识别质量评估系数；S5，环境因素补正评估：评估环境因素对红外检测算法的影响，得到环境因素补正评估系数；S6，人为因素补正评估：评估人为因素对红外检测算法的影响，得到人为因素补正评估系数；S7，稳定性综合评估模块：根据飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数对红外检测算法的影响进行综合评估，得到稳定性综合评估系数；S8，稳定评估反馈优化：根据稳定性综合评估系数对红外检测算法进行对应的调节。

进一步的，得到飞行平台评估系数的具体步骤为：获取无人机飞行平台的数据，合并记为无人机飞行平台原始数据组，无人机飞行平台原始数据组数据类别记为a

在本实施例中，无人机飞行平台的稳定性对无人机红外检测算法的影响是非常重要的，因为稳定的平台可以直接影响到红外传感器的性能和红外图像的质量。无人机飞行平台的多个因素会直接或间接影响无人机红外检测算法的性能。以下是一些主要因素：飞行稳定性：无人机的飞行稳定性是最重要的因素之一。如果无人机在飞行步骤中晃动或不稳定，红外传感器采集的图像会受到干扰，从而影响红外检测算法的准确性。稳定的飞行平台有助于确保红外图像的稳定性，提高了算法的性能。高度控制：无人机的飞行高度和姿态控制对于红外检测算法也非常重要。不同高度和姿态可能导致目标在图像中的投影位置和外观发生变化。算法需要考虑这些变化，因此，高度和姿态控制的准确性对于目标检测和跟踪至关重要。传感器性能：无人机上搭载的红外传感器的性能直接影响了红外图像的质量和分辨率。传感器的分辨率、噪声水平、灵敏度和波长范围都会影响算法的性能。高质量的传感器可以提供更好的数据，有助于改善算法的表现。

进一步的，得到姿态控制算法评估系数的具体步骤为：获取无人机姿态控制算法的数据，合并记为无人机姿态控制算法原始数据组，由无人机姿态控制算法原始数据组获取姿态控制算法平滑性匹配评估值B、姿态调整速度评估值C、航线规划适配性评估值D和预定义数据同步匹配系数E，并据此通过计算姿态控制算法评估系数公式得到姿态控制算法评估系数χ，具体计算公式为

在本实施例中，无人机的姿态控制算法可以对红外检测算法的效果产生重要影响，因为无人机的飞行姿态会直接影响传感器获取的红外图像的质量和目标的可见性。以下是一些与无人机姿态控制相关的因素，它们可能会影响无人机红外检测算法的效果：平滑性：无人机的姿态控制算法应确保飞行平稳且不会发生不必要的摇晃或震动。不稳定的飞行会导致红外图像模糊，使目标的检测和跟踪变得更加困难。姿态调整速度：姿态控制算法应能够快速而精确地调整无人机的姿态。如果调整速度太慢，可能会错过快速移动的目标或导致目标在红外图像中模糊不清。航线规划：飞行路径和航线规划也与姿态控制相关。无人机的航线规划应考虑到需要观察的目标位置以及风速等外部因素，以确保无人机能够在正确的位置和姿态下获取红外图像。数据同步：姿态控制算法应与红外传感器的数据采集进行同步，以确保红外图像与无人机的姿态一致。如果数据不同步，可能会导致图像失真或无效的检测结果。

进一步的，得到红外稳定性评估系数的具体步骤为：获取无人机红外传感器稳定性的数据，合并记为红外稳定性原始数据组，由红外稳定性原始数据组获取机械振动影响匹配评估值F、传感器供电稳定性匹配评估值G、安装牢固性匹配评估值H、安装位置适配性匹配影响系数I，并据此通过计算红外稳定性评估系数公式得到红外稳定性评估系数γ，具体计算公式为

在本实施例中，如图2所示，为本申请实施例提供的基于无人机的红外巡检方法的红外稳定性评估步骤结构图，无人机红外传感器的稳定性对红外检测算法的效果至关重要。以下是一些可能影响无人机红外检测算法效果的因素，与传感器稳定性直接相关：机械振动：无人机在飞行步骤中可能受到机械振动和震动，这些振动和震动会直接传递到红外传感器上，导致红外图像模糊或失真，从而影响检测算法的效果。供电稳定性：红外传感器所需的稳定电源也是确保稳定性的关键因素。供电不稳定可能导致传感器性能波动，影响红外图像的质量。安装位置：传感器的正确定位和安装也直接影响其稳定性。不正确的定位或松动的安装可能会导致传感器的晃动或偏离目标，影响红外检测算法的效果。

进一步的，得到红外识别质量评估系数的具体步骤为：获取无人机红外传感器稳定性的数据，合并记为红外稳定性原始数据组，由红外巡检算法原始数据组获取红外图像分辨率K、红外识别灵敏度L、红外识别动态范围M和红外信噪比匹配系数N，并据此通过计算红外识别质量评估值公式得到红外识别质量评估值m，具体计算公式为

在本实施例中，无人机红外传感器的质量对红外检测算法的效果至关重要。以下是一些可能影响无人机红外检测算法效果的因素，与传感器质量直接相关：分辨率：传感器的分辨率决定了它可以捕捉多少细节。更高分辨率的传感器能够提供更清晰的图像，有助于精确检测和识别目标。灵敏度：传感器的灵敏度决定了它对红外辐射的检测能力。高灵敏度的传感器可以捕获微弱的红外信号，有助于探测低温度目标。动态范围：传感器的动态范围是指它能够捕捉的最亮和最暗的信号之间的差异。较大的动态范围使传感器能够同时捕捉高亮度和低亮度的目标，避免过曝或欠曝的问题。信噪比水平：传感器内部的噪声水平会影响图像的质量。低噪声传感器能够提供更清晰的图像，有助于检测算法准确性。光学质量：传感器的光学系统，包括镜头和光学滤波器，也对图像质量产生重要影响。高质量的光学系统能够提供更清晰的图像。

进一步的，得到环境因素补正评估系数的具体步骤为：获取无人机红外巡检外在环境的数据，合并记为环境补正原始数据组，环境补正原始数据组数据类别记为q

在本实施例中，温度和气候条件：温度和气候条件会影响目标的红外辐射特征以及红外传感器的性能。极端温度条件可能会导致传感器性能下降或目标的热特征变化。例如，在极冷条件下，目标可能与周围环境没有明显的温度差异，这会使目标更难以检测。大气透明度：大气中的湿度、雾、烟雾和其他颗粒物质会影响红外辐射的传播和吸收。这些因素可能导致红外辐射的衰减，降低了传感器的探测距离和准确性。照明条件：自然光源、太阳角度和时间会影响目标的热特征。例如，在白天和夜晚，目标的热特征不同，因此检测算法可能需要在不同照明条件下进行调整。地理位置：不同地理位置的环境条件和目标类型会影响红外检测算法的效果。例如，城市地区和农村地区的红外特征和背景不同，需要不同的算法参数。风速和风向：风的速度和方向会影响无人机的稳定性和飞行路径，从而影响传感器的角度和观测时间。

进一步的，得到人为因素补正评估系数的具体步骤为：获取无人机红外巡检人为操作的数据，合并记为人为补正原始数据组，由人为补正原始数据组获取人为飞行控制影响评估值T、人为传感器设置影响评估值U和预定义人为设置算法匹配影响系数V，并据此通过计算人为因素补正评估系数公式得到人为因素补正评估系数σ，具体计算公式为

在本实施例中，人为的哪些因素会影响无人机红外检测算法的效果，无人机红外检测算法的效果不仅受外在环境因素的影响，还受到人为因素的影响。以下是一些可能的人为因素，它们可以直接或间接地影响无人机红外检测算法的性能：人为飞行控制：人为规划的飞行路径和轨迹可以决定无人机接近目标的方式。不正确的路径规划可能导致目标被忽略或无法捕获有用的红外数据。飞行稳定性和飞行控制对于获得清晰的红外图像至关重要。不稳定的飞行可能导致图像模糊或目标被忽略。传感器设置和校准：人为设置和校准红外传感器对于确保数据的准确性和一致性非常重要。误差或不正确的设置可能导致数据失真。数据处理和图像分析算法：人为设计和选择的数据处理和图像分析算法对于目标检测和识别的准确性起着关键作用。不合适的算法选择或参数设置可能导致误报或漏报。培训和操作人员技能：操作无人机和处理红外数据的操作人员的培训水平和技能对于算法的有效使用至关重要。熟练的操作员可以更好地应对不同情况和环境。

进一步的，得到稳定性综合评估系数的具体步骤为:获取飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数，并据此通过计算稳定性综合评估系数公式得到稳定性综合评估系数τ，具体计算公式为

在本实施例中，如图3所示，为本申请实施例提供的基于无人机的红外巡检方法的稳定性综合评估步骤结构图，稳定性综合评估系数是用来评估无人机红外巡检稳定性对红外巡检算法的影响的。这种评估的好处在于它能够提供对无人机系统性能的定量度量，以帮助改进算法和操作。以下是使用稳定性综合评估系数来评估无人机红外巡检稳定性对红外巡检算法的一些好处：客观性：稳定性综合评估系数提供了一个客观的量化指标，而不是主观的判断。这有助于减少主观偏见，并为性能评估提供更可靠的依据。比较性能：使用稳定性综合评估系数，可以比较不同无人机系统的稳定性性能。这对于选择合适的设备和算法非常有帮助。优化算法：稳定性综合评估系数的结果可以揭示无人机飞行步骤中可能出现的不稳定性，这些不稳定性可能会影响红外图像的质量。通过了解这些不稳定因素，可以优化红外巡检算法，以更好地适应无人机的运动。改进飞行控制：无人机的稳定性评估还可以用来改进飞行控制系统。如果评估表明不稳定因素主要是由飞行控制引起的，那么可以进行相应的调整，以提高无人机的稳定性。提高数据质量：通过确保无人机在巡检任务中的稳定性，可以提高红外图像的质量。高质量的图像对于红外巡检算法至关重要，因为它们提供了更多的信息以进行目标检测和识别。减少误报和漏报：稳定的飞行可以减少图像中的噪声和扭曲，从而降低红外巡检算法的误报率和漏报率。提高任务效率：稳定性综合评估系数有助于提高任务效率。无人机稳定飞行可以减少任务中的干扰和干扰，使算法更容易检测和识别目标。可追溯性：使用稳定性综合评估系数进行评估，可以为性能评估提供可追溯性，以便后续的改进和比较。

进一步的，根据稳定性综合评估系数对红外检测算法进行对应的调节的具体步骤为：将稳定性综合评估系数与预定义稳定性综合评估系数阈值对比，若稳定性综合评估系数在预定义误差允许范围内，则将稳定性综合评估系数对应的红外巡检算法记为有效稳定性综合评估系数红外巡检算法，否则分别将飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数与对应的最大预定义系数阈值进行比较计算，若各评估系数超过对应的最大预定义系数阈值，则依次遍历超过阈值的各评估系数对应的数据组中用于无人机红外巡检的各因素数据，当各因素数据超过对应的阈值时，记为不合理因素数据，并对对应的红外巡检算法的具体因素进行重新优化调整；根据已有的红外巡检算法训练集实例作为历史数据集，将红外巡检算法对应的不合理因素数据重新进行训练，训练后调整的算法记为红外识别新算法，对红外识别新算法再次评估得到新的稳定性综合评估系数，并再次评估红外巡检算法稳定性，重复此步骤直到得到有效稳定性综合评估系数红外巡检算法和更新历史数据集。

在本实施例中，根据稳定性综合评估系数对红外检测算法进行调整有许多潜在好处，这些好处可以帮助改进算法的性能，使其更适应无人机红外巡检任务。以下是一些可能的好处：提高目标检测率：通过根据稳定性评估结果调整算法，您可以改进算法的目标检测性能。更好的稳定性意味着图像中的目标更容易被检测，从而降低了漏报率。减少误报率：稳定性评估还可以帮助降低误报率。通过识别和减轻由无人机飞行不稳定性引起的伪目标或噪声，您可以减少算法的误报率，提高检测的准确性。优化特征提取：根据稳定性评估的结果，您可以优化特征提取过程。稳定的无人机飞行可以提供更一致的特征，有助于提高特征提取的效率和准确性。改进追踪性能：如果无人机的稳定性较差，可能会影响目标的跟踪性能。通过调整算法以更好地适应飞行稳定性，您可以提高目标跟踪的准确性和稳定性。提高目标识别准确性：稳定的图像提供更清晰的目标特征，这有助于提高目标识别的准确性。调整算法以适应无人机的稳定性可以改善目标识别性能。提高算法鲁棒性：调整算法以适应不同稳定性水平的无人机可以增加算法的鲁棒性，使其在各种飞行条件下都能表现良好。提高任务效率：通过优化红外检测算法，使其更适应无人机的稳定性，可以提高任务效率，减少不必要的重复工作和分析。降低操作难度：改进的红外检测算法可以降低操作人员的负担，因为算法会更好地应对无人机飞行中的挑战，减少了需要手动干预的需求。

本申请实施例提供的基于无人机的红外巡检系统包括：飞行平台评估模块、姿态控制算法评估模块、红外稳定性评估模块、红外识别质量评估模块、环境因素补正评估模块、人为因素补正评估模块、稳定性综合评估模块和稳定评估反馈优化终端；飞行平台评估模块用于评估无人机飞行平台对红外检测算法的影响，得到飞行平台评估系数；姿态控制算法评估模块用于评估无人机姿态控制算法对红外检测算法的影响，得到姿态控制算法评估系数；红外稳定性评估模块用于评估无人机红外传感器稳定性对红外检测算法的影响，得到红外稳定性评估系数；红外识别质量评估模块用于评估无人机红外传感器识别质量对红外检测算法的影响，得到红外识别质量评估系数；环境因素补正评估模块用于评估环境因素对红外检测算法的影响，得到环境因素补正评估系数；人为因素补正评估模块用于评估人为因素对红外检测算法的影响，得到人为因素补正评估系数；稳定性综合评估模块用于根据飞行平台评估系数、姿态控制算法评估系数、红外稳定性评估系数、红外识别质量评估系数、环境因素补正评估系数和人为因素补正评估系数对红外检测算法的影响进行综合评估，得到稳定性综合评估系数；稳定评估反馈优化终端用于根据稳定性综合评估系数对红外检测算法进行对应的调节。

上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：相对于公开号为：CN114372922A的发明专利公开了一种夜间环境下基于无人机巡检的绝缘子红外缺陷诊断方法，本申请实施例通过稳定性综合评估得到稳定性综合评估系数，从而提高了红外巡检系统得出红外巡检结果的可读性和客观性，进而实现了提高优化红外巡检算法适配无人机的运动的环境适应性；相对于公开号为：CN116297680A的发明专利公开了一种基于无人机电力巡检红外缺陷判定方法，本申请实施例通过评估反馈优化终端对红外巡检算法进行对应的调节，从而评估红外巡检算法在不同条件下的稳定性，提高红外巡检系统的抗干扰性，进而实现了有效提高故障检测系统的鲁棒性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲稳定为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。